CN111781113A - 一种粉尘网格化定位方法及粉尘网格化监测方法 - Google Patents
一种粉尘网格化定位方法及粉尘网格化监测方法 Download PDFInfo
- Publication number
- CN111781113A CN111781113A CN202010650515.1A CN202010650515A CN111781113A CN 111781113 A CN111781113 A CN 111781113A CN 202010650515 A CN202010650515 A CN 202010650515A CN 111781113 A CN111781113 A CN 111781113A
- Authority
- CN
- China
- Prior art keywords
- dust
- gridding
- space
- concentration
- dimensional
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000000428 dust Substances 0.000 title claims abstract description 247
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000012544 monitoring process Methods 0.000 title claims abstract description 27
- 230000003068 static effect Effects 0.000 claims abstract description 45
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000013508 migration Methods 0.000 claims abstract description 6
- 230000005012 migration Effects 0.000 claims abstract description 6
- 238000005070 sampling Methods 0.000 claims description 30
- 230000033001 locomotion Effects 0.000 claims description 23
- 238000009826 distribution Methods 0.000 claims description 18
- 238000005259 measurement Methods 0.000 claims description 14
- 230000007613 environmental effect Effects 0.000 claims description 11
- 238000012806 monitoring device Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 229910000831 Steel Inorganic materials 0.000 description 3
- 238000004939 coking Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 239000010959 steel Substances 0.000 description 3
- 238000009434 installation Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- -1 casting Substances 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
- G01N15/075—Investigating concentration of particle suspensions by optical means
Landscapes
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Dispersion Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Studio Devices (AREA)
Abstract
本发明公开一种粉尘网格化定位方法及粉尘网格化监测方法，该定位方法包括：通过多摄像头构建空间视场，获取各摄像头拍摄的视频图像序列；识别空间静止物体及其空间坐标；将相邻的两帧视频图像作差分得到灰度图序列，识别运动物体及其空间坐标、高浓度粉尘的点云图形、低浓度粉尘的点云图形；将高浓度粉尘、低浓度粉尘与静止物体、运动物体之间进行空间相对位置分析，确定粉尘产生的源头；由粉尘产生的运动物体源头、静止物体源头的空间坐标得到运动粉尘的空间坐标；基于粉尘的运移参数对运动粉尘进行空间推演与视觉跟踪，完成对粉尘的持续跟踪定位。通过机器视觉系统对粉尘进行特征识别，与传感器联合使用，实现待测空间粉尘的网格化空间定位。
Description
技术领域
本发明涉及技术领域，具体是一种粉尘网格化定位方法及粉尘网格化监测方法。
背景技术
钢铁、焦化、火电、水泥、铸造、砖瓦窑、炭素、玻璃、陶瓷、建材、建筑、矿山等行业的原料运输、堆场施工、物料传送、生产作业等过程中会产生粉尘，粉尘的主要危害如下：1)危害人体健康；2)引起粉尘爆炸；3)降低能见度，雾霾的重要组成部分就是粉尘；4)弄脏建筑物等；5)腐蚀金属设施；6)增大机器设备的磨损；7)降低产品质量；8)导致植物生长不良。在2018年，面源污染防治技术被列入《2018年国家先进污染防治技术目录(大气污染防治领域)》。2019年，北方各城市开始实施钢铁、焦化等行业深度减排实施方案，要求钢铁、焦化等企业全面完成粉尘排放精准监测和治理。
目前部分行业、企业推行采用粉尘浓度监测仪进行粉尘监测，堆场、作业等场所每一万平米安装一个，不足一万平米按一万平米计算。这种监测方式只能检测粉尘浓度在线监测仪安装的局部一些点的总尘浓度、PM2.5、PM10、温度、湿度、大气压力、风向、风力，这些局部点的检测精度比较高。但是仅适合于局部点的粉尘高精度检测，而无法实现对于区域内任意位置的粉尘浓度检测。如果要实现区域粉尘的网格化精准监测，则必须在整个堆场、作业等场所密集布置大量的粉尘浓度监测仪，则投入成本高、安装复杂、维护成本高，其安装支架会严重影响堆场、作业等场所的车辆移动、人员作业等活动。
发明内容
为了解决上述存在的问题，本发明提供一种粉尘网格化定位方法及粉尘网格化监测方法，在传统粉尘浓度监测仪的基础上，融合机器视觉技术，通过摄像头对空间粉尘图像、视频进行采集，通过机器视觉系统对粉尘进行特征识别，与传感器联合使用，实现待测空间粉尘的网格化空间定位以及浓度监测。
为实现上述目的，本发明提供一种粉尘网格化定位方法，在待测空间均匀的布置若干摄像头其中，待测空间中的每一空间点均位于至少两个摄像头的视场内，通过对各摄像头拍摄的视场图像进行拼接，将待测空间网格化，得到三维网格化视场，所述粉尘网格化定位方法包括如下步骤：
步骤101，获取采样周期内各摄像头拍摄的视频图像序列；
步骤102，基于视频图像序列识别三维网格化视场中的静止几何物体，得到三维网格化视场中静止物体的空间坐标；
步骤103，将视频图像序列中相邻的两帧视频图像作差分运算，得到灰度图序列，基于灰度图序列与设定的像素点第一阈值得到三维网格化视场在采样周期内新增运动物体的空间坐标以及新增高浓度粉尘的点云图形；
步骤104，基于灰度图序列与设定的像素点第二阈值得到三维网格化视场在采样周期内新增低浓度粉尘的点云图形，其中，像素点第二阈值小于像素点第一阈值；
步骤105，将三维网格化视场中新增高浓度粉尘、新增低浓度粉尘与静止物体、新增运动物体之间进行空间相对位置分析，确定粉尘产生的运动物体源头、静止物体源头；
步骤106，由粉尘产生的运动物体源头、静止物体源头的空间坐标得到新增运动粉尘的空间坐标，其中，新增运动粉尘包括新增高浓度粉尘与新增低浓度粉尘；
步骤107，基于粉尘的运移参数对新增运动粉尘进行跟踪，得到新增运动粉尘在下一个采样周期内的空间坐标；
步骤108，重复步骤107，完成对三维网格化视场内新增粉尘的持续跟踪定位。
进一步优选的，步骤102中，所述基于视频图像序列识别三维网格化视场中的静止几何物体，得到三维网格化视场中静止物体的空间坐标，具体为：
通过多摄像头拍摄的视频图像，基于视频图像序列中各视频图像的图像特征分析识别三维网格化视场中的静止几何物体，得到三维网格化视场中的静止物体的空间坐标，其中，所述图像特征包括但不限于颜色分布、轮廓连续、几何关联、像素密度。
进一步优选的，步骤103中，所述基于灰度图序列与像素点第一阈值得到三维网格化视场在采样周期内新增运动物体的空间坐标以及新增高浓度粉尘的点云图形，具体为：
提取出灰度图序列中灰度值大于像素点第一阈值的轮廓点云图形，得到第一轮廓序列；
若第一轮廓序列中的轮廓具有确定规则几何形状，则可判断这一类型的轮廓对应三维网格化视场中的运动物体，根据运动物体的运动特征、轮廓特征，通过不同摄像头图像的信息综合，获得运动物体的形状特征、标志性特征，以区分不同的运动物体，进而确定三维网格化视场在采样周期内新增的运动物体的空间坐标，即产尘源头；
若第一轮廓序列中的轮廓具有不确定规则几何形状，则可判断这一类型的轮廓对应三维网格化视场在采样周期内的新增高浓度运动粉尘的点云图形。
进一步优选的，步骤104中，所述基于灰度图序列与像素点第二阈值得到三维网格化视场在采样周期内新增低浓度粉尘的点云图形，具体为：
提取出灰度图序列中灰度值大于像素点第二阈值的点云轮廓图形，得到第二轮廓序列；
剔除第二轮廓序列中的运动物体轮廓、静止物体轮廓以及新增高浓度粉尘的点云图形，得到第三轮廓序列；
若第三轮廓序列中的点云轮廓具有不确定形状，则可判断这一类型的轮廓对应三维网格化视场在采样周期内的新增低浓度粉尘的点云图形。
进一步优选的，步骤105中，将网格化视场中的新增粉尘的点云图形与静止物体、运动物体进行三维空间的相对位置分析，确定粉尘产生的运动物体源头、静止物体源头；
步骤106中，由粉尘产生的运动物体源头、静止物体源头的空间坐标计算得到的新增粉尘的点云图形中心的空间坐标，进而得到新增运动粉尘的空间坐标。
进一步优选的，步骤107中，所述粉尘的运移参数包括粉尘的运移方向与运移速度，所述粉尘的运移方向与运移速度通过其点云轮廓的运动，以及三维网格化视场内的环境参数推算获得；
所述环境参数包括但不限于三维网格化视场内的温度、湿度、风速、风向、大气压。
进一步优选的，所述摄像头包括但不限于全景摄像头、枪机、球机、枪球一体机。
为实现上述目的，本发明还提供一种粉尘网格化监测方法，在待测空间均匀的布置若干摄像头，其中，待测空间中的每一空间点均位于至少两个摄像头的视场内，通过对各摄像头拍摄的视场图像进行拼接，得到三维网格化视场，在三维网格化视场内选定若干点作为测量点，并在测量点安装粉尘检测仪，以用于检测测量点粉尘浓度，所述网格化粉尘网格化监测方法包括如下步骤：
步骤201，通过上述粉尘网格化定位方法得到当前时刻三维网格化视场内粉尘的分布空间；
步骤202，获取三维网格化视场内所有粉尘在当前时刻摄像头拍摄的视频图像中对应的灰度值；
步骤203，获取三维网格化视场内各测量点的粉尘浓度值以及测量点在当前时刻摄像头拍摄的视频图像中对应的灰度值；
步骤204，通过三维网格化视场内所有粉尘在当前时刻摄像头拍摄的视频图像中对应的灰度值、各测量点的粉尘浓度值以及测量点在当前时刻摄像头拍摄的视频图像中对应的灰度值三者进行插值，得到当前时刻三维网格化视场内的粉尘浓度分布；
步骤205，重复步骤201-步骤204，得到下一时刻三维网格化视场内的粉尘浓度分布。
为实现上述目的，本发明还提供一种粉尘网格化监测装置，包括：存储器和处理器，所述存储器存储有粉尘网格化监测程序，所述处理器在运行所述程序时执行上述粉尘网格化监测方法的步骤。
为实现上述目的，本发明还提供一种粉尘网格化监测系统，包括：
摄像头，所述摄像头的数量为多个，多个摄像头均匀的布置在待测空间内，以用于将待测空间网格化得到三维网格化视场，其中，待测空间中的每一空间点均位于至少两个摄像头的视场内；
传感器，所述传感器的数量为多个，多个传感器布置在待测空间中，以用于获得待测空间中的环境参数；
粉尘检测仪，所述粉尘检测仪的数量为多个，多个粉尘检测仪分别设在待测空间中的测量点位置，用于获取测量点的粉尘浓度；
控制模块，包括上述的粉尘网格化监测装置，与摄像头、传感器通信相连，用于计算待测空间中粉尘浓度的分布情况信息。
本发明提供的一种粉尘网格化定位方法及粉尘网格化监测方法，在传统粉尘浓度监测仪的基础上，融合机器视觉技术，通过摄像头对空间粉尘图像、视频进行采集，通过机器视觉系统对粉尘进行特征识别，与传感器联合使用，实现待测空间粉尘的网格化空间定位以及浓度监测。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
图1为本发明实施例中粉尘网格化定位方法的流程示意图；
图2为本发明实施例中粉尘网格化监测方法的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明，本发明实施例中所有方向性指示（诸如上、下、左、右、前、后……）仅用于解释在某一特定姿态（如附图所示）下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
另外，在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“连接”、“固定”等应做广义理解，例如，“固定”可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接，还可以是物理连接或无线通信连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
另外，本发明各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
本实施例公开了一种粉尘网格化定位方法（以下简称“本实施例定位方法”），在待测空间均匀的布置若干摄像头其中，待测空间中的每一空间点均位于至少两个摄像头的视场内，进而能够对待测空间中的每一个点都具有定位效果，待测空间包括但不限于物料堆场、施工区域、作业厂房、生产系统。
本实施例中的摄像头包括但不限于全景摄像头、枪机、球机、枪球一体机，通过所有摄像头拍摄的图像构建一个立体网格化的虚拟空间，能够体现待测空间内物体的形状、大小与坐标，即通过对各摄像头拍摄的视场图像进行拼接，将待测空间网格化，得到三维网格化视场，其中，将待测空间基于机器视觉进行网格化为常规技术手段，因此本实施例中不再赘述，具体可参见专利CN106548628A、CN107766855A等。
参考图1，所述粉尘网格化定位方法包括如下步骤：
步骤101，获取采样周期内各摄像头拍摄的视频图像序列；
步骤102，基于视频图像序列识别三维网格化视场中的静止几何物体，得到三维网格化视场中静止物体的空间坐标；
步骤103，将视频图像序列中相邻的两帧视频图像作差分运算，得到灰度图序列，基于灰度图序列与设定的像素点第一阈值得到三维网格化视场在采样周期内新增运动物体的空间坐标以及新增高浓度粉尘的点云图形；
步骤104，基于灰度图序列与设定的像素点第二阈值得到三维网格化视场在采样周期内新增低浓度粉尘的点云图形，其中，像素点第二阈值小于像素点第一阈值；
步骤105，将三维网格化视场中新增高浓度粉尘、新增低浓度粉尘与静止物体、新增运动物体之间进行空间相对位置分析，确定粉尘产生的运动物体源头、静止物体源头；
步骤106，由粉尘产生的运动物体源头、静止物体源头的空间坐标得到新增运动粉尘的空间坐标，其中，新增运动粉尘包括新增高浓度粉尘与新增低浓度粉尘；
步骤107，基于粉尘的运移参数对新增运动粉尘进行跟踪，得到新增运动粉尘在下一个采样周期内的空间坐标；
步骤108，重复步骤107，完成对三维网格化视场内新增粉尘的持续跟踪定位。
需要注意的是，由于通过图像直接定位粉尘的位置较为困难，因此本实施例定位方法的实施过程是，先对粉尘产生的源头，即上述步骤中的静止物体与运动物体进行定位，其中，运动物体与静止物体均为待测区域的车辆、作业设备、人员等；本实施例中先通过公知的特征识别技术识别物料堆场、施工区域、作业厂房、生产系统等大型空间区域的常驻固定物，即车辆、作业设备、人员的特征及其几何形状、空间坐标；建立常驻固定物的几何形状、空间坐标等特征库。最终在传统粉尘浓度监测仪的基础上，融合机器视觉技术，通过摄像头对空间粉尘图像、视频进行采集，通过机器视觉系统对粉尘进行特征识别，与空间固定点位粉尘浓度检测传感器联合使用，实现待测空间粉尘的网格化空间定位与空间连续区域粉尘浓度分析监测。
步骤101中，图像采样周期的选择取决于实施例的视频图像处理硬软件速度，本实施例定位方法的采样周期为0.1-10秒，在采样周期内各摄像头拍摄的视频图像序列中包括若干视频图像子序列，即一个摄像头拍摄的图像组成一个视频图像子序列，所有的视频图像子序列组成视频图像序列；在步骤103中的差分运算是基于每个视频图像子序列进行的，即灰度图序列中包括若干灰度图子序列，一个灰度图子序列由一个视频图像子序列进行差分运算后得到的。
步骤102中，所述基于视频图像序列识别三维网格化视场中的静止几何物体，得到三维网格化视场中静止物体的空间坐标，具体为：
通过多摄像头拍摄的视频图像，基于视频图像序列中各视频图像的图像特征分析识别三维网格化视场中的静止几何物体，得到三维网格化视场中的静止物体的空间坐标，其中，所述图像特征包括但不限于颜色分布、轮廓连续、几何关联、像素密度、点云分布等。
步骤103中，所述基于灰度图序列与像素点第一阈值得到三维网格化视场在采样周期内新增运动物体的空间坐标以及新增高浓度粉尘的点云图形，具体为：
提取出灰度图序列中灰度值大于像素点第一阈值的轮廓点云图形，得到第一轮廓序列；
若第一轮廓序列中的轮廓具有确定规则几何形状，则可判断这一类型的轮廓对应三维网格化视场中的运动物体，根据运动物体的运动特征、轮廓特征，通过不同摄像头图像的信息综合，获得运动物体的形状特征、标志性特征，以区分不同的运动物体，进而确定三维网格化视场在采样周期内新增的运动物体的空间坐标，即产尘源头；
若第一轮廓序列中的轮廓具有不确定规则几何形状，则可判断这一类型的轮廓对应三维网格化视场在采样周期内的新增高浓度运动粉尘的点云图形。
步骤104中，所述基于灰度图序列与像素点第二阈值得到三维网格化视场在采样周期内新增低浓度粉尘的点云图形，具体为：
提取出灰度图序列中灰度值大于像素点第二阈值的点云轮廓图形，得到第二轮廓序列；
剔除第二轮廓序列中的运动物体轮廓、静止物体轮廓以及新增高浓度粉尘的点云图形，得到第三轮廓序列；
若第三轮廓序列中的点云轮廓具有不确定形状，则可判断这一类型的轮廓对应三维网格化视场在采样周期内的新增低浓度粉尘的点云图形。
步骤105中，所述将三维网格化视场中新增高浓度粉尘、新增低浓度粉尘与静止物体、新增运动物体之间进行空间相对位置分析，确定粉尘产生的运动物体源头、静止物体源头，具体为：
将三维网格化视场中新增高浓度粉尘、新增低浓度粉尘与静止物体、新增运动物体之间进行空间相对位置分析，认定距离新增高浓度粉尘或新增低浓度粉尘距离最近的静止物体或新增运动物体为其产尘源，即确定粉尘产生的运动物体源头、静止物体源头。
步骤106中，由于运动物体源头、静止物体源头在三维网格化视场中是能够直接定位的，即能通过多摄像头识别直接得到运动物体源头、静止物体源头的空间坐标，在步骤105中已经确定粉尘产生的运动物体源头、静止物体源头，即在运动物体源头、静止物体源头产生的新增高浓度粉尘与新增低浓度粉尘分布在运动物体源头、静止物体源头周围，由于三维网格化视场中的网格分布具有连续性，因此在已知运动物体源头、静止物体源头的空间坐标的前提下，能够直接得到三维网格化视场中新增运动粉尘的空间坐标。
步骤107中，所述粉尘的运移参数包括粉尘的运移方向与运移速度，所述粉尘的运移方向与运移速度通过其点云轮廓的运动，以及三维网格化视场内的环境参数推算获得；所述环境参数包括但不限于三维网格化视场内的温度、湿度、风速、风向、大气压。步骤107中，基于粉尘的运移参数对新增运动粉尘进行跟踪的具体过程与原理均为常规技术手段，因此本实施例中不再赘述，具体实施过程可以参考论文“综掘巷道粉尘运移规律及降尘系统应用浅析”、“基于FLUENT综采工作面风流-粉尘逸散规律探究”等。
本实施例还公开了一种粉尘网格化监测方法（以下简称“本实施例检测方法”），在待测空间均匀的布置若干摄像头，其中，待测空间中的每一空间点均位于至少两个摄像头的视场内，通过对各摄像头拍摄的视场图像进行拼接，得到三维网格化视场，在三维网格化视场内选定若干点作为测量点，并在测量点安装粉尘检测仪，以用于检测测量点粉尘浓度。
参考图2，本实施例监测方法包括如下步骤：
步骤201，通过上述粉尘网格化定位方法得到当前时刻三维网格化视场内飘逸新增粉尘的分布空间；
步骤202，获取三维网格化视场内所有粉尘在当前时刻摄像头拍摄的视频图像中飘逸新增粉尘对应的灰度值；
步骤203，获取三维网格化视场内各测量点的粉尘浓度增加值以及测量点在当前时刻摄像头拍摄的视频图像中飘逸新增粉尘对应的灰度值；
步骤204，通过三维网格化视场内所有粉尘在当前时刻摄像头拍摄的视频图像中飘逸新增粉尘对应的灰度值、各测量点的粉尘浓度增加值以及测量点在当前时刻摄像头拍摄的视频图像中飘逸新增粉尘对应的灰度值三者进行插值与解算，得到当前时刻三维网格化视场内的粉尘浓度分布；
步骤205，重复步骤201-步骤204，得飘逸新增粉尘到下一计算周期三维网格化视场内的粉尘浓度分布。
步骤204中，粉尘浓度具体为PM2.5、PM10、TSP的浓度，插值的过程为：
例如具有三个测量点，其飘逸新增粉尘的浓度增加值与帧差灰度值分别为：测量点1：（粉尘浓度增加值：1.0mg/m3，帧差灰度值：72）、测量点2：（粉尘浓度增加值：1.4mg/m3，灰度值：101）、测量点1：（粉尘浓度增加值：1.85mg/m3，帧差灰度值：133）；通过平均，得到帧差灰度值为72时，粉尘浓度增加值1.0mg/m3，则在三维网格化视场中帧差灰度值为90的网格空间所在位置的新增粉尘浓度即为1.25mg/m3，三维网格化视场中帧差灰度值为115的网格空间所在位置的粉尘浓度即为1.6mg/m3，以此类推，即得到待测空间中所有粉尘浓度的分布情况信息。
本实施例还公开了一种粉尘网格化监测系统(以下简称“本实施例监测 系统”)，包括：
摄像头，所述摄像头的数量为多个，多个摄像头均匀的布置在待测空间 内，以用于将待测空间网格化得到三维网格化视场，其中，待测空间中的每 一空间点均位于至少两个摄像头的视场内；
传感器，所述传感器的数量为多个，多个传感器布置在待测空间中，以 用于获得待测空间中的环境参数；
粉尘检测仪，所述粉尘检测仪的数量为多个，多个粉尘检测仪分别设在 待测空间中的测量点位置，用于获取测量点的粉尘浓度；
控制模块，与摄像头、传感器、粉尘检测仪通过网络物联模块通信相连， 用于计算待测空间中粉尘浓度的分布情况信息，其中，将摄像头、传感器、 粉尘检测仪与控制模块通过网络物联模块通信相连为常规技术手段，因此本 实施例中不再赘述。
本实施例检测系统中的传感器包括但不限于粉尘传感器、温度传感器、湿度传感器、风速传感器、风向传感器、大气压传感器。传感器设置在待测空间中的测量点位置，以用于获得待测空间中的环境参数、测量点的粉尘浓度，环境参数包括温度、湿度、大气压力、风向、风力等参数。摄像头与传感器通过支架安装于墙面，或通过立杆安装于空中，或通过吊挂模式安装于空中。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (10)
1.一种粉尘网格化定位方法，其特征在于，在待测空间均匀的布置若干摄像头其中，待测空间中的每一空间点均位于至少两个摄像头的视场内，通过对各摄像头拍摄的视场图像进行拼接，将待测空间网格化，得到三维网格化视场，所述粉尘网格化定位方法包括如下步骤：
步骤101，获取采样周期内各摄像头拍摄的视频图像序列；
步骤102，基于视频图像序列识别三维网格化视场中的静止几何物体，得到三维网格化视场中静止物体的空间坐标；
步骤103，将视频图像序列中相邻的两帧视频图像作差分运算，得到灰度图序列，基于灰度图序列与设定的像素点第一阈值得到三维网格化视场在采样周期内新增运动物体的空间坐标以及新增高浓度粉尘的点云图形；
步骤104，基于灰度图序列与设定的像素点第二阈值得到三维网格化视场在采样周期内新增低浓度粉尘的点云图形，其中，像素点第二阈值小于像素点第一阈值；
步骤105，将三维网格化视场中新增高浓度粉尘、新增低浓度粉尘与静止物体、新增运动物体之间进行空间相对位置分析，确定粉尘产生的运动物体源头、静止物体源头；
步骤106，由粉尘产生的运动物体源头、静止物体源头的空间坐标得到新增运动粉尘的空间坐标，其中，新增运动粉尘包括新增高浓度粉尘与新增低浓度粉尘；
步骤107，基于粉尘的运移参数对新增运动粉尘进行跟踪，得到新增运动粉尘在下一个采样周期内的空间坐标；
步骤108，重复步骤107，完成对三维网格化视场内新增粉尘的持续跟踪定位。
2.根据权利要求1所述粉尘网格化定位方法，其特征在于，步骤102中，所述基于视频图像序列识别三维网格化视场中的静止几何物体，得到三维网格化视场中静止物体的空间坐标，具体为：
通过多摄像头拍摄的视频图像，基于视频图像序列中各视频图像的图像特征分析识别三维网格化视场中的静止几何物体，得到三维网格化视场中的静止物体的空间坐标，其中，所述图像特征包括但不限于颜色分布、轮廓连续、几何关联、像素密度。
3.根据权利要求1所述粉尘网格化定位方法，其特征在于，步骤103中，所述基于灰度图序列与像素点第一阈值得到三维网格化视场在采样周期内新增运动物体的空间坐标以及新增高浓度粉尘的点云图形，具体为：
提取出灰度图序列中灰度值大于像素点第一阈值的轮廓点云图形，得到第一轮廓序列；
若第一轮廓序列中的轮廓具有确定规则几何形状，则可判断这一类型的轮廓对应三维网格化视场中的运动物体，根据运动物体的运动特征、轮廓特征，通过不同摄像头图像的信息综合，获得运动物体的形状特征、标志性特征，以区分不同的运动物体，进而确定三维网格化视场在采样周期内新增的运动物体的空间坐标，即产尘源头；
若第一轮廓序列中的轮廓具有不确定规则几何形状，则可判断这一类型的轮廓对应三维网格化视场在采样周期内的新增高浓度运动粉尘的点云图形。
4.根据权利要求3所述粉尘网格化定位方法，其特征在于，步骤104中，所述基于灰度图序列与像素点第二阈值得到三维网格化视场在采样周期内新增低浓度粉尘的点云图形，具体为：
提取出灰度图序列中灰度值大于像素点第二阈值的点云轮廓图形，得到第二轮廓序列；
剔除第二轮廓序列中的运动物体轮廓、静止物体轮廓以及新增高浓度粉尘的点云图形，得到第三轮廓序列；
若第三轮廓序列中的点云轮廓具有不确定形状，则可判断这一类型的轮廓对应三维网格化视场在采样周期内的新增低浓度粉尘的点云图形。
5.根据权利要求4所述粉尘网格化定位方法，其特征在于，步骤105中，将网格化视场中的新增粉尘的点云图形与静止物体、运动物体进行三维空间的相对位置分析，确定粉尘产生的运动物体源头、静止物体源头；
步骤106中，由粉尘产生的运动物体源头、静止物体源头的空间坐标计算得到的新增粉尘的点云图形中心的空间坐标，进而得到新增运动粉尘的空间坐标。
6.根据权利要求1所述粉尘网格化定位方法，其特征在于，步骤107中，所述粉尘的运移参数包括粉尘的运移方向与运移速度，所述粉尘的运移方向与运移速度通过其点云轮廓的运动，以及三维网格化视场内的环境参数推算获得；
所述环境参数包括但不限于三维网格化视场内的温度、湿度、风速、风向、大气压。
7.根据权利要求1所述粉尘网格化定位方法，其特征在于，所述摄像头包括但不限于全景摄像头、枪机、球机、枪球一体机。
8.一种粉尘网格化监测方法，其特征在于，在待测空间均匀的布置若干摄像头，其中，待测空间中的每一空间点均位于至少两个摄像头的视场内，通过对各摄像头拍摄的视场图像进行拼接，得到三维网格化视场，在三维网格化视场内选定若干点作为测量点，并在测量点安装粉尘检测仪，以用于检测测量点粉尘浓度，所述网格化粉尘网格化监测方法包括如下步骤：
步骤201，通过权利要求1-6任一项所述粉尘网格化定位方法得到当前时刻三维网格化视场内粉尘的分布空间；
步骤202，获取三维网格化视场内所有粉尘在当前时刻摄像头拍摄的视频图像中对应的灰度值；
步骤203，获取三维网格化视场内各测量点的粉尘浓度值以及测量点在当前时刻摄像头拍摄的视频图像中对应的灰度值；
步骤204，通过三维网格化视场内所有粉尘在当前时刻摄像头拍摄的视频图像中对应的灰度值、各测量点的粉尘浓度值以及测量点在当前时刻摄像头拍摄的视频图像中对应的灰度值三者进行插值，得到当前时刻三维网格化视场内的粉尘浓度分布；
步骤205，重复步骤201-步骤204，得到下一时刻三维网格化视场内的粉尘浓度分布。
9.一种粉尘网格化监测装置，其特征在于，包括：存储器和处理器，所述存储器存储有粉尘网格化监测程序，所述处理器在运行所述程序时执行所述权利要求7所述方法的步骤。
10.一种粉尘网格化监测系统，其特征在于，包括：
摄像头，所述摄像头的数量为多个，多个摄像头均匀的布置在待测空间内，以用于将待测空间网格化得到三维网格化视场，其中，待测空间中的每一空间点均位于至少两个摄像头的视场内；
传感器，所述传感器的数量为多个，多个传感器布置在待测空间中，以用于获得待测空间中的环境参数；
粉尘检测仪，所述粉尘检测仪的数量为多个，多个粉尘检测仪分别设在待测空间中的测量点位置，用于获取测量点的粉尘浓度；
控制模块，包括权利要求9所述的粉尘网格化监测装置，与摄像头、传感器通信相连，用于计算待测空间中粉尘浓度的分布情况信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010650515.1A CN111781113B (zh) | 2020-07-08 | 2020-07-08 | 一种粉尘网格化定位方法及粉尘网格化监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010650515.1A CN111781113B (zh) | 2020-07-08 | 2020-07-08 | 一种粉尘网格化定位方法及粉尘网格化监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111781113A true CN111781113A (zh) | 2020-10-16 |
| CN111781113B CN111781113B (zh) | 2021-03-09 |
Family
ID=72758800
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010650515.1A Active CN111781113B (zh) | 2020-07-08 | 2020-07-08 | 一种粉尘网格化定位方法及粉尘网格化监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111781113B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112508824A (zh) * | 2021-02-04 | 2021-03-16 | 湖南九九智能环保股份有限公司 | 一种堆场粉尘治理方法 |
| CN112699753A (zh) * | 2020-12-22 | 2021-04-23 | 柏美迪康环境科技（上海）股份有限公司 | 扬尘监控与智能溯源系统及方法 |
| CN112801225A (zh) * | 2021-04-01 | 2021-05-14 | 中国人民解放军国防科技大学 | 极限工况下自动驾驶多传感器融合感知方法及系统 |
| CN113217071A (zh) * | 2021-05-10 | 2021-08-06 | 中煤科工集团重庆研究院有限公司 | 井下作业自动吸尘罩 |
| CN114429501A (zh) * | 2022-04-06 | 2022-05-03 | 湖南九九智能环保股份有限公司 | 一种空域大气污染溯源跟踪与定位方法及系统 |
| CN114675695A (zh) * | 2022-03-26 | 2022-06-28 | 太仓武港码头有限公司 | 一种堆场抑尘的控制方法、系统、设备及存储介质 |
| CN115876655A (zh) * | 2022-12-02 | 2023-03-31 | 中国矿业大学 | 一种受限空间涉爆粉尘全过程监测系统及方法 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103940714A (zh) * | 2014-05-13 | 2014-07-23 | 武汉大学 | 一种仿人工雾霾监测系统与方法 |
| CN105891074A (zh) * | 2016-04-12 | 2016-08-24 | 东南大学 | 一种粉尘浓度图像采集装置及采集方法 |
| CN106355166A (zh) * | 2016-10-13 | 2017-01-25 | 北京师范大学 | 一种基于监控视频与遥感图像的灰霾扩散路径绘制与来源确定方法 |
| CN106454241A (zh) * | 2016-10-13 | 2017-02-22 | 北京师范大学 | 一种基于监控视频与社交网络数据的灰霾扩散路径绘制与来源确定方法 |
| CN106529410A (zh) * | 2016-10-11 | 2017-03-22 | 北京师范大学 | 一种基于监控视频的灰霾扩散路径绘制与来源确定方法 |
| CN106706490A (zh) * | 2017-01-16 | 2017-05-24 | 许昌学院 | 一种基于计算机视觉的雾霾监测系统 |
| CN107329191A (zh) * | 2017-05-17 | 2017-11-07 | 上海卫星工程研究所 | 静止气象卫星图像导航与配准的成像试验系统及试验方法 |
| CN107631960A (zh) * | 2017-08-18 | 2018-01-26 | 浙江海洋大学 | 海洋物质输移扩散系数ccd自动监测实验装置及其监测方法 |
| CN107766855A (zh) * | 2017-10-25 | 2018-03-06 | 南京阿凡达机器人科技有限公司 | 基于机器视觉的棋子定位方法、系统、存储介质及机器人 |
| CN108182706A (zh) * | 2017-12-08 | 2018-06-19 | 重庆广睿达科技有限公司 | 一种焚烧物的监控方法及系统 |
| CN108731587A (zh) * | 2017-04-14 | 2018-11-02 | 中交遥感载荷（北京）科技有限公司 | 一种基于视觉的无人机动态目标跟踪与定位方法 |
| US20190258046A1 (en) * | 2016-10-21 | 2019-08-22 | First Frontier Pty Ltd | System and method for performing automated analysis of air samples |
| US10458990B1 (en) * | 2015-03-06 | 2019-10-29 | Scanit Technologies, Inc. | Spore state discrimination |
| CN110956700A (zh) * | 2019-12-03 | 2020-04-03 | 西南科技大学 | 一种基于运动恢复结构生成点云的密度调控方法 |
| CN111366509A (zh) * | 2020-02-26 | 2020-07-03 | 交通运输部天津水运工程科学研究所 | 基于全场监测的散货堆场粉尘精细化控制方法及控制系统 |
| CN111366511A (zh) * | 2020-03-05 | 2020-07-03 | 山东科技大学 | 基于5g通讯的粉尘实时监测综合实验系统及实验方法 |
-
2020
- 2020-07-08 CN CN202010650515.1A patent/CN111781113B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103940714A (zh) * | 2014-05-13 | 2014-07-23 | 武汉大学 | 一种仿人工雾霾监测系统与方法 |
| US10458990B1 (en) * | 2015-03-06 | 2019-10-29 | Scanit Technologies, Inc. | Spore state discrimination |
| CN105891074A (zh) * | 2016-04-12 | 2016-08-24 | 东南大学 | 一种粉尘浓度图像采集装置及采集方法 |
| CN106529410A (zh) * | 2016-10-11 | 2017-03-22 | 北京师范大学 | 一种基于监控视频的灰霾扩散路径绘制与来源确定方法 |
| CN106454241A (zh) * | 2016-10-13 | 2017-02-22 | 北京师范大学 | 一种基于监控视频与社交网络数据的灰霾扩散路径绘制与来源确定方法 |
| CN106355166A (zh) * | 2016-10-13 | 2017-01-25 | 北京师范大学 | 一种基于监控视频与遥感图像的灰霾扩散路径绘制与来源确定方法 |
| US20190258046A1 (en) * | 2016-10-21 | 2019-08-22 | First Frontier Pty Ltd | System and method for performing automated analysis of air samples |
| CN106706490A (zh) * | 2017-01-16 | 2017-05-24 | 许昌学院 | 一种基于计算机视觉的雾霾监测系统 |
| CN108731587A (zh) * | 2017-04-14 | 2018-11-02 | 中交遥感载荷（北京）科技有限公司 | 一种基于视觉的无人机动态目标跟踪与定位方法 |
| CN107329191A (zh) * | 2017-05-17 | 2017-11-07 | 上海卫星工程研究所 | 静止气象卫星图像导航与配准的成像试验系统及试验方法 |
| CN107631960A (zh) * | 2017-08-18 | 2018-01-26 | 浙江海洋大学 | 海洋物质输移扩散系数ccd自动监测实验装置及其监测方法 |
| CN107766855A (zh) * | 2017-10-25 | 2018-03-06 | 南京阿凡达机器人科技有限公司 | 基于机器视觉的棋子定位方法、系统、存储介质及机器人 |
| CN108182706A (zh) * | 2017-12-08 | 2018-06-19 | 重庆广睿达科技有限公司 | 一种焚烧物的监控方法及系统 |
| CN110956700A (zh) * | 2019-12-03 | 2020-04-03 | 西南科技大学 | 一种基于运动恢复结构生成点云的密度调控方法 |
| CN111366509A (zh) * | 2020-02-26 | 2020-07-03 | 交通运输部天津水运工程科学研究所 | 基于全场监测的散货堆场粉尘精细化控制方法及控制系统 |
| CN111366511A (zh) * | 2020-03-05 | 2020-07-03 | 山东科技大学 | 基于5g通讯的粉尘实时监测综合实验系统及实验方法 |
Non-Patent Citations (2)
| Title |
|---|
| SAGAR P. PARAJULI 等: ""Dust Emission Modeling Using a New High‐Resolution Dust Source Function in WRF‐Chem With Implications for Air Quality"", 《JGU ATMOSPHERES》 * |
| 鲁梦诗: ""颗粒物运动及团聚特性的可视化研究与数值模拟"", 《中国博士学位论文全文数据库 工程科技Ⅰ辑》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112699753A (zh) * | 2020-12-22 | 2021-04-23 | 柏美迪康环境科技（上海）股份有限公司 | 扬尘监控与智能溯源系统及方法 |
| CN112508824A (zh) * | 2021-02-04 | 2021-03-16 | 湖南九九智能环保股份有限公司 | 一种堆场粉尘治理方法 |
| CN112508824B (zh) * | 2021-02-04 | 2021-04-23 | 湖南九九智能环保股份有限公司 | 一种堆场粉尘治理方法 |
| CN112801225A (zh) * | 2021-04-01 | 2021-05-14 | 中国人民解放军国防科技大学 | 极限工况下自动驾驶多传感器融合感知方法及系统 |
| CN113217071A (zh) * | 2021-05-10 | 2021-08-06 | 中煤科工集团重庆研究院有限公司 | 井下作业自动吸尘罩 |
| CN114675695A (zh) * | 2022-03-26 | 2022-06-28 | 太仓武港码头有限公司 | 一种堆场抑尘的控制方法、系统、设备及存储介质 |
| CN114675695B (zh) * | 2022-03-26 | 2023-04-18 | 太仓武港码头有限公司 | 一种堆场抑尘的控制方法、系统、设备及存储介质 |
| CN114429501A (zh) * | 2022-04-06 | 2022-05-03 | 湖南九九智能环保股份有限公司 | 一种空域大气污染溯源跟踪与定位方法及系统 |
| CN115876655A (zh) * | 2022-12-02 | 2023-03-31 | 中国矿业大学 | 一种受限空间涉爆粉尘全过程监测系统及方法 |
| CN115876655B (zh) * | 2022-12-02 | 2023-06-16 | 中国矿业大学 | 一种受限空间涉爆粉尘全过程监测系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111781113B (zh) | 2021-03-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111781113B (zh) | 一种粉尘网格化定位方法及粉尘网格化监测方法 | |
| KR100795396B1 (ko) | 항공레이저 데이터와 수치정사영상을 이용한 도시 변화모니터링 방법 | |
| CN111754638B (zh) | 一种堆场内的自动抑尘降尘系统及堆场内抑尘降尘方法 | |
| CN109186902A (zh) | 一种基于视觉传感的桥梁结构健康检测系统 | |
| US20160133008A1 (en) | Crack data collection method and crack data collection program | |
| US20160133007A1 (en) | Crack data collection apparatus and server apparatus to collect crack data | |
| CN102788572B (zh) | 一种工程机械吊钩姿态的测量方法、装置及系统 | |
| Chen et al. | Computer vision application programming for settlement monitoring in a drainage tunnel | |
| CN111608731B (zh) | 一种盾构隧道安全状态监测预警装置及其监测预警方法 | |
| CN106482656B (zh) | 一种克服监控平台自身抖动的山地滑坡视觉检测方法及装置 | |
| CN111896549A (zh) | 一种基于机器学习的建筑物裂缝监测系统和方法 | |
| CN108732313A (zh) | 城市空气污染物浓度智能观测系统 | |
| CN112212935A (zh) | 基于数字图像处理的水体水位测量方法 | |
| CN107367577B (zh) | 一种根据风向和风速测定污染物来源的方法及系统 | |
| Belloni et al. | Tack project: tunnel and bridge automatic crack monitoring using deep learning and photogrammetry | |
| CN112215950A (zh) | 一种室内有毒有害气体浓度的三维重建方法 | |
| CN109211137A (zh) | 一种快速识别隧道掌子面岩性的装置及方法 | |
| CN115326026A (zh) | 基于非接触式测量-水动力融合同化获取水力特征的方法及装置 | |
| CN117152926B (zh) | 基于数据分析的自动压力检测预警系统 | |
| CN117433440A (zh) | 一种基于激光点云的巷道形变实时检测方法、装置及存储介质 | |
| CN115542338B (zh) | 一种基于点云空间分布映射的激光雷达数据的学习方法 | |
| CN112906095A (zh) | 基于激光条纹中心追踪的桥梁模态识别方法及其系统 | |
| CN115797411A (zh) | 一种利用机器视觉在线识别水电站电缆桥架形变的方法 | |
| CN114739311B (zh) | 一种基于多传感器的井筒快速变形监测设备和方法 | |
| JP3612565B2 (ja) | 路面状況判定方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A dust grid positioning method and dust grid monitoring method Effective date of registration: 20210629 Granted publication date: 20210309 Pledgee: Bank of Changsha Limited by Share Ltd. science and Technology Branch Pledgor: HUNAN JIUJIU INTELLIGENT ENVIRONMENTAL PROTECTION Co.,Ltd. Registration number: Y2021980005456 |
|
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Gong Jingzhong Inventor after: He Yunchu Inventor after: Liu Liming Inventor after: Su Chenjia Inventor after: Zhang Hao Inventor before: Gong Jingzhong Inventor before: He Yunchu Inventor before: Liu Liming Inventor before: Su Chenjia Inventor before: Zhang Hao Inventor before: Li Shaoming |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20220222 Granted publication date: 20210309 Pledgee: Bank of Changsha Limited by Share Ltd. science and Technology Branch Pledgor: HUNAN JIUJIU INTELLIGENT ENVIRONMENTAL PROTECTION CO.,LTD. Registration number: Y2021980005456 |